极限学习机在中厚板轧制力预报中的应用

摘要：

轧制力是影响中厚板厚度精度和板型的关键因素.兴澄特钢中厚板轧机二级模型采用传统Sims公式计算轧制力,精度较低.为提高轧制力预报精度,首先基于大量历史生产数据,通过主成分分析法对影响轧制力的因素进行处理和分析,选出权重较大的影响因子;其次选取现场代表钢种进行热模拟压缩实验,在此基础上提出基于极限学习机(ELM)的综合神经网络轧制力预报模型,即先通过化学成分计算出基准变形抗力,再将其作为轧制力神经网络输入变量进行轧制力预报.建模采用10折10次交叉验证确定最佳网络隐层节点数,并用现场实际生产过程数据对网络进行训练与测试.综合神经网络模型投入现场生产,轧制力预报相对误差±10％以内占比提高15.61％,钢板头部厚度命中率提高1.9％.

关键词：极限学习机、综合神经网络、轧制力预报、数学模型、主成分分析

所属期刊栏目：32

在线出版日期：2020-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：393-399